A fim de haver uma operacionalização positiva por meio da técnica estatística chamada análise fatorial exploratória, como orientam a concepção de Field (2009) e Hair et al. (2005), estipulou-se para o processamento da análise, o conjunto formado pelos 17 itens do instrumento, pois já está avaliada preliminarmente como satisfatória/aceitável sua composição/formulação, tanto no que tange a consistência global (alfa de Cronbach superior a 0,7), como no que diz respeito a consistência local (Correted Item-Total Correlaiton acima de 0,30) de todas as particularidades que circunscreveram a construção de cada item (ver os resultados na parte 6.1).
Logo, acredita-se ser altamente viável utilizar a análise fatorial exploratória nessa pesquisa, objetivando a existência de uma compreensão mais significativa das informações contidas na escala de avaliação. Desse modo, nota-se que a escala possui uma diversidade de variáveis que conotam trocas de experiência, disciplinas cursadas, e outras semânticas. Nesse sentido, observa-se que a análise fatorial exploratória servirá para extrair, obter, condensar e organizar o desenvolvimento de fatores sem que haja perda das informações gerais da escala de avaliação dos 17 itens medidos em uma escala LIKERT, possibilitando uma melhor interpretação de nossos dados categorizados em fatores, como retrata a figura 2 a seguir.
Figura 2 – Avaliar o que a escala de avaliação dos 17 itens mede
Fonte: Elaborado a partir dos estudos de Field (2009) e HAIR et al. ( 2005)
Diante desse contexto, a fim de haver uma simplificação na estrutura semântica e na conotação de cada variável local/singular, adotaram-se, inicialmente, as seguintes siglas: VAR11, VAR12, VAR13, GEO012, ESTA012, CALCU012, EDO012, VAR15, DIDA012, PSCO012, ESTRUTURA012, VAR18, VAR20, VAR21, VAR22, VAR25 e VAR26, conforme mostra o quadro 8.
Quadro 8 – Simplificação das semânticas dos 17 itens
SEMÂNTICA DAS VARIÁVEIS CONFORME MOSTRA O
APÊNDICE A SIMPLIFICAÇÃO/ SIGLAS
11. A teoria que foi trabalhada nas outras disciplinas que cursei me permitiu no período do estágio conceituar minha atuação no cotidiano da escola.
VAR11
12. A teoria que foi trabalhada nas outras disciplinas que cursei me permitiu no período do estágio dar significado à minha atuação no cotidiano da escola.
VAR12
13. A teoria que foi trabalhada nas outras disciplinas que cursei me permitiu no período do estágio momentos para administrar minha atuação no cotidiano da escola.
VAR13
( ) Geometria Analítica GEO012
( ) Introdução á estatística ESTA012
( ) Calculo diferencial e integral CALCU012
( ) Introdução as Equações Diferenciais e Ordinárias EDO012 15. Eu percebi que no meu período de estágio as disciplinas
pedagógicas que cursei são de dimensão prática voltada para lecionar tanto no ensino fundamental como no ensino médio. Desse modo, elas me fundamentaram no período de estágio com efetividade no que diz respeito a aplicação dos conhecimentos adquiridos para o local onde eu estagiei. São elas:
VAR15
( ) Didática DIDA012
( ) Psicologia do Desenvolvimento e da Aprendizagem PSCO012
( ) Estrutura e Funcionamento do Ensino ESTRUTURA012
18. O período de estágio me possibilitou identificação esperada na VAR18 Extrair/obter fatores
Condensar Compreender
Análise fatorial exploratória
Organizar
profissão docente de matemática a partir da reflexão que fiz da realidade vivenciada e, consequentemente, desejo permanecer na profissão docente ao concluir o curso de Licenciatura em matemática.
O professor da disciplina de estágio me orientou em relação aos objetivos que devem ser alcançados ao termino do período do estágio.
VAR20
O posicionamento que o meu professor da disciplina de estágio fez sobre a minha vivência no cotidiano da escola foi bastante relevante para minha aprendizagem.
VAR21
Trocas de experiências no contexto escolar foram compartilhadas entre mim e os professores de matemática da escola onde eu estagiei me permitindo reorganização de novos conhecimentos no que tange a prática de ensino.
VAR22
25. O período de estágio me promoveu o exercício constate do saber ouvir sobre a profissão docente no que diz respeito às histórias de vida e formação dos professores da educação básica.
VAR25
26. O período de estágio me possibilitou aprendizado constante através do convívio com outros profissionais mais experientes e que estão inseridos na educação básica.
VAR26
Fonte: elaborado pelo pesquisador (2018)
Após isso, avaliou-se que a escala de avaliação, referente aos 17 itens, medidos em uma escala LIKERT, atendeu, satisfatoriamente, aos treze aspectos gerais que estruturam e fundamentam a análise fatorial exploratória, conforme sugerem as concepções de Field (2009) e Hair et al. (2005).
No que diz respeito ao primeiro aspecto, que faz referência a amostra da pesquisa, notou-se que sua composição é totalizada em 169 licenciandos/estagiários, estando superior a 100 (HAIR et al., 2005), como retratou a tabela 6 (Parte 6.1). Já no que concerne ao segundo aspecto, que faz alusão ao o método rotativo, selecionou-se o direct oblimin, fixando um valor delta positivo de 0,45, pois acreditou-se preliminarmente que os fatores poderiam estar correlacionados (FIELD, 2009; HAIR et al., 2005), como mostra a figura 3 a seguir. No que tange ao terceiro aspecto, que faz menção a avaliação na significância estatística, levou-se em consideração um valor fixo de 0,45, pois a amostra é formada por 169 licenciandos/estagiários, estando contido na região intervalar de carga fatorial [0,40; 0,45] para amostras entre [150; 200] (HAIR et al., 2005), como mostra a figura 4 a seguir.
Figura 3 – Seleção do método rotativo direct oblimin para um delta fixo de 0,45
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Figura 4 – Avaliação na significância estatística com valor fixo de 0,45
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Com relação ao quarto aspecto, que faz referência a estatística do KMO, verificou-se que o valor alcançado foi igual a 0,780, como mostra a tabela 8 abaixo, ou seja, a amostra coletada dos 169 licenciandos/estagiários está adequada e classificada na categoria boa [0,70; 0,80], assim a análise fatorial é apropriada para esse conjunto de dados (FIELD, 2009). Já o quinto aspecto, que aponta o teste de esfericidade de Bartlett's, observou-se que é significativo (p < 0,01). Desse modo, a matriz de correlações (R) formada não é do tipo identidade, logo os 17 itens estão relacionados para essa análise (FIELD, 2009), como mostra a tabela 8.
Tabela 8 – Estatística KMO e teste de Bartlett's dos 17 itens KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,780
Bartlett's Test of Sphericity
Approx. Chi-Square 1127,199
Df 136
Sig. 0,000
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
No que se refere ao sexto aspecto, que faz alusão a matriz Anti imagem da matriz de correlações, notou-se que todos os valores da diagonal principal não apresentaram problemas, pois alcançaram valores acima do mínimo de 0,50, (FIELD, 2009), estando eles destacados em azul, como destaca a figura 5 a seguir. Já o sétimo aspecto, que retrata as comunalidades, observou-se que todas as variáveis da coluna extração estão acima de 0,50, logo, as comunalidades encontram-se classificadas em uma explicação acima do mínimo suficiente (HAIR et al., 2005), conforme aponta a tabela 9 a seguir.
Figura 5 – Matriz anti imagem dos 17 itens
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Tabela 9 – Comunalidades dos 17 itens Communalities Initial Extraction VAR11 1,000 0,674 VAR12 1,000 0,772 VAR13 1,000 0,640 GEO012 1,000 0,511 ESTA012 1,000 0,616 CALCU012 1,000 0,841 EDO012 1,000 0,776 VAR15 1,000 0,602 DIDA012 1,000 0,698 PSCO012 1,000 0,753 ESTRUTURA012 1,000 0,651 VAR18 1,000 0,542 VAR20 1,000 0,712 VAR21 1,000 0,686 VAR22 1,000 0,522 VAR25 1,000 0,559 VAR26 1,000 0,769
Extraction Method: Principal Component Analysis.
Fonte: Elaborado pelo pesquisador (2018) a
partir do SPSS 20.0
No que concerne ao oitavo aspecto, que aborda a variância total explicada, verificou-se que seu valor alcançado é igual a 66,610%. Nesse sentido, este valor encontra-se classificado em um nível satisfatório (HAIR et al., 2005), como mostra a tabela 10.
Tabela 10 – Variância total explicada dos 17 itens
Total Variance Explained C O M P O N E N T
Initial Eigenvalues Extraction Sums of Squared Loadings Rotatio n Sums of Square d Loadin gsa Total % of
Variance Cumulative % Total Variance % of Cumulative % Total
1 4,999 29,408 29,408 4,999 29,408 29,408 4,640
2 2,151 12,650 42,058 2,151 12,650 42,058 4,760
3 1,556 9,156 51,214 1,556 9,156 51,214 4,511 4 1,424 8,378 59,592 1,424 8,378 59,592 4,400 5 1,193 7,018 66,610 1,193 7,018 66,610 4,444 6 ,849 4,997 71,607 7 ,768 4,519 76,126 8 ,672 3,954 80,081 9 ,588 3,461 83,542 10 ,500 2,940 86,482 11 ,453 2,665 89,147 12 ,433 2,549 91,695 13 ,406 2,388 94,083 14 ,326 1,916 95,999 15 ,307 1,806 97,805 16 ,241 1,418 99,223 17 ,132 ,777 100,000
Extraction Method: Principal Component Analysis.
a. When components are correlated, sums of squared loadings cannot be added to obtain a total variance.
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
No que tange ao nono aspecto, que apontou a interpretação do gráfico 2 Scree plot percebeu-se que existem no máximo 5 componentes/fatores/autovalores significativos, pois traçamos uma linha imaginária vermelha paralela ao número de componentes, tendo como referência o número 1 (critério da raiz latente) (HAIR et al., 2005).
Gráfico 2 – Scrre Plot dos 17 itens
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
No que se refere ao décimo aspecto, que faz menção a matriz de componentes antes de fazer a rotação, notou-se que as cargas fatoriais das variáveis/itens estão na maior parte concentradas sobre o fator 1 (FIELD, 2009), entretanto apenas a variável VAR26 está para a componente 4 (o que não invalida esse aspecto), como retrata a tabela 11 a seguir para as cinco componentes existentes.
Tabela 11 – Matriz Componente dos 17 itens pelo método da rotação obliqua (direct oblimin) retendo cinco componentes
Component Matrixa Component 1 2 3 4 5 VAR11 0,566 VAR12 0,652 - 0,477 VAR13 0,584 - 0,481 GEO012 0,558 ESTA012 0,503 - 0,590 CALCU012 0,571 - 0,714 EDO012 0,541 - 0,692 VAR15 0,525 0,502 DIDA012 0,550 PSCO012 0,544 ESTRUTURA012 0,479 VAR18 0,590 VAR20 0,526 - 0,535 VAR21 0,607 VAR22 0,453 VAR25 0,518 VAR26 0,559
Extraction Method: Principal Component Analysis. a. 5 components extracted.
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Já em relação ao décimo primeiro aspecto, que retratou o compartilhamento das cargas fatoriais, sabe-se que existem cinco componentes/fatores/autovalores significativos. Nesse contexto, analisou-se a estrutura fatorial existente que corrobora as 17 variáveis/itens tanto na matriz obliqua padrão (Pattern), localizada, na tabela 12 a seguir, que possui variância das cargas fatoriais menos compartilhadas/distribuídas, quanto na matriz rotacional obliqua estrutural (Structure), situada na tabela 13 a seguir, cuja variação das cargas fatoriais está mais compartilhada/distribuída (reavaliação) (FIELD, 2009). Logo, decidiu-se reter os cinco componentes/fatores/autovalores conforme apontou o compartilhamento das cargas fatoriais que circunscrevem essas duas matrizes (Pattern/Structure), tais como:
a) o fator 1 apresenta o compartilhamento nas variáveis/itens (VAR11, VAR12, VAR13);
b) o fator 2 destaca o compartilhamento nas variáveis/itens (GEO012, ESTA012, CALCU012, EDO012);
c) o fator 3 retrata o compartilhamento nas variáveis/itens (VAR15, DIDA012, PSCO012, ESTRUTURA012);
d) o fator 4 aponta o compartilhamento nas variáveis/itens (VAR22, VAR25, VAR26);
e) o fator 5 mostra o compartilhamento nas variáveis/itens (VAR18, VAR20, VAR21).
Tabela 12 – Matriz rotacional obliqua padrão (Pattern Matrixa) dos 17 itens a partir de cinco componentes Pattern Matrixa Component 1 2 3 4 5 VAR11 1,430 - 0,659 VAR12 1,470 VAR13 1,333 - 0,592 GEO012 -1,217 ESTA012 -1,557 0,464 CALCU012 -1,845 EDO012 -1,735 VAR15 0,818 0,874 0,718 DIDA012 1,246 0,881 PSCO012 1,643 ESTRUTURA012 - 0,592 1,486 - 0,464 VAR18 0,549 - 0,810 VAR20 0,491 -1,541 VAR21 -1,351 VAR22 - 0,637 1,031 - 0,530 VAR25 1,185 0,509 VAR26 1,770
Extraction Method: Principal Component Analysis. Rotation Method: Oblimin with Kaiser Normalization. a. Rotation converged in 24 iterations.
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Tabela 13 – Matriz rotacional obliqua estrutura (Structure Matrix) dos 17 itens a partir de cinco componentes Structure Matrix Component 1 2 3 4 5 VAR11 0,709 - 0,489 0,495 VAR12 0,800 - 0,524 0,541 0,516 - 0,590 VAR13 0,709 - 0,492 0,477 - 0,528 GEO012 0,476 - 0,655 ESTA012 - 0,650 CALCU012 - 0,751 EDO012 - 0,716 - 0,459 VAR15 0,626 0,602 0,510 - 0,452 (continua ...)
DIDA012 0,560 - 0,456 0,694 0,551 PSCO012 0,455 - 0,479 0,756 0,472 - 0,486 ESTRUTURA012 - 0,464 0,665 - 0,452 VAR18 0,504 - 0,536 0,536 0,641 - 0,681 VAR20 0,499 0,472 - 0,727 VAR21 0,536 - 0,564 0,499 0,537 - 0,770 VAR22 0,608 - 0,523 VAR25 0,499 - 0,463 0,478 0,680 VAR26 0,682
Extraction Method: Principal Component Analysis. Rotation Method: Oblimin with Kaiser Normalization. Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Em relação ao décimo segundo aspecto, que apontou a matriz de correlações entre os fatores, observou-se que os coeficientes de correlações dos cinco componentes estão correlacionados. Desse jeito, nota-se que o método direct oblimin foi aplicado corretamente, logo à hipótese preliminar se confirmou, isto é, os fatores gerados com a análise fatorial exploratória estão correlacionados, como mostra a tabela 14 abaixo.
Tabela 14 – Matriz de correlação dos 17 itens a partir de cinco componentes Component Correlation Matrix
Component 1 2 3 4 5 1 1,000 - 0,842 0,851 0,845 - 0,838 2 - 0,842 1,000 - 0,850 - 0,837 0,857 3 0,851 - 0,850 1,000 0,843 - 0,849 4 0,845 - 0,837 0,843 1,000 - 0,835 5 - 0,838 0,857 - 0,849 - 0,835 1,000
Extraction Method: Principal Component Analysis. Rotation Method: Oblimin with Kaiser Normalization. Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
No que concerne ao décimo terceiro aspecto, que faz referência à confiabilidade global e local do agrupamento dos fatores, notou-se, por um lado, que cada um dos 5 fatores está classificado em um nível satisfatório/aceito (α de Cronbach), pois conforme Hair et al. (2005, p.112) destacam que “[...] O limite inferior para o alfa de Cronbach geralmente aceito é de 0,70 [...], apesar de poder diminuir para 0,60 em pesquisa exploratória”, como mostra a seguir. Assim, o fator 1 alcançou um α de Cronbach igual a 0,801; o fator 2 possui α de Cronbach igual a 0,842; o fator 3 possui α de Cronbach igual a 0,737; o fator 4 possui α de Cronbachigual a 0,629; e o fator 5 possui α de Cronbach igual a 0,709, sendo que todos eles estão localizados, no apêndice G, respectivamente, na tabela 15, na tabela 16, na tabela 17, na tabela 18 e na tabela 19. Por outro lado, observou-se que a formulação do item que compõe (...) continuação da tabela 13
cada um dos 5 fatores, estão categorizados com índices de qualidade boa, pois a estatística do Item-Total alcançou valores acima de 0,30 (FIELD, 2009; HAIR et al., 2005), sendo que tais resultados estão posicionados, no apêndice G, na tabela 15, na tabela 16, na tabela 17, na tabela 18 e na tabela 19.
Diante disso, finalizou-se a análise fatorial exploratória realizando uma análise semântica separadamente em cada um dos itens que estruturam os cinco fatores, como orientam Field (2009) e Hair et al. (2005), estando os resultados situados no apêndice G das tabelas 15, 16, 17, 18 e 19. Logo, denominou-se semanticamente para:
a) o fator 1 – A teoria como propósito de conceituar, administrar e significar a atuação no cotidiano escolar;
b) o fator 2 – Disciplinas específicas de matemática;
c) o fator 3 – Teoria e prática das disciplinas pedagógicas cursadas; d) o fator 4 – Vivência prévia da experiência profissional;
e) o fator 5 – Orientação e mediação do professor de estágio.
6.3 Regressão linear múltipla tendo como variável dependente a nota total dos 17 itens e como variáveis independentes os 5 fatores significativos
Com o propósito de avaliar se os 5 fatores significativos, gerados na análise fatorial exploratória, apresentam níveis de influências positivas ou negativas para a escala de avaliação dos 17 itens medidos em uma escala LIKERT, decidiu-se aplicar uma técnica estatística denominada regressão linear múltipla. Para isso, Hair et al. (2005) orientam que a construção de um modelo linear envolve, inicialmente, a fixação, por um lado, de uma variável dependente, por outro, de um conjunto de variáveis independentes, conforme mostra a figura 6 que retrata sua estrutura física.
Figura 6 – Estrutura física de uma regressão linear múltipla
Fonte: Elaborado a partir dos estudos de Field (2009) e HAIR et al. ( 2005)
Identificar influências/previsão
Uma variável dependente Conjunto de variáveis independentes Modelo de regressão linear
Desse modo, a fim de atender esse pressuposto inicial, calculou-se tanto o escore total da escala de avaliação dos 17 itens medidos em uma escala LIKERT, como o escore total de cada um dos 5 fatores, como mostra a figura 7 abaixo.
Figura 7 – Cálculo dos escores na escala de avaliação do tipo LIKERT
COMPUTE Escore_total= VAR11 + VAR12 + VAR13 + GEO012 + ESTA012 +
CALCU012 + EDO012 + VAR15 + DIDA012 + PSCO012 + ESTRUTURA012 + VAR22 + VAR25 + VAR26 + VAR18 + VAR20 + VAR21.
EXECUTE.
COMPUTE Escore_1= VAR11 + VAR12 + VAR13 . EXECUTE.
COMPUTE Escore_2= GEO012 + ESTA012 + CALCU012 + EDO012 . EXECUTE.
COMPUTE Escore_3= VAR15 + DIDA012 + PSCO012 + ESTRUTURA012 . EXECUTE.
COMPUTE Escore_4= VAR22 + VAR25 + VAR26 . EXECUTE.
COMPUTE Escore_5=VAR18 + VAR20 + VAR21. EXECUTE.
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Em seguida, transformou-se tanto o escore total da escala de avaliação dos 17 itens medidos em uma escala LIKERT, como o escore total de cada um dos 5 fatores em uma escala de nota isomorfa para um intervalo de [0; 10], conforme retrata a figura 8 abaixo.
Figura 8 – Cálculo das notas na escala de avaliação do tipo LIKERT [0; 10] COMPUTE Nota_total=Escore_total * 10 / 34. EXECUTE. COMPUTE Nota_1=Escore_1 * 10 / 6. EXECUTE. COMPUTE Nota_2=Escore_2 * 10 / 8. EXECUTE. COMPUTE Nota_3=Escore_3 * 10 / 8. EXECUTE. COMPUTE Nota_4=Escore_4 * 10 / 6. EXECUTE. COMPUTE Nota_5=Escore_5 * 10 / 6. EXECUTE.
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Tal situação de transformação do escore para a nota tem como objetivo, possibilitar que nossa emissão de juízo de valor possa ser mais bem avaliada sobre o mesmo intervalo de nota da escala de avaliação medidos em uma escala LIKERT de [0; 10]. Assim, decidiu-se supor um modelo linear múltiplo ao fixar para a pesquisa como variável
dependente, a nota total da escala LIKERT dos 17 itens [0; 10] e como variáveis independentes, a nota de cada um dos 5 fatores [0; 10], como destaca a figura 9.
Figura 9 – Suposição de um modelo linear múltiplo para os 5 fatores significativos
Fonte: Elaborado pelo pesquisador (2018)
A partir disso, estipulou-se para fins de análise da regressão linear, o critério probabilístico padrão para a introdução (previsores que possuírem valores menor ou igual a 0,05) e a remoção (previsores que tem valores iguais ou superior 0,1) em cada um dos 5 previsores (Fator 1, Fator 2, Fator 3, Fator 4 e Fator 5), pois Field (2009, p. 190) orienta que “[...] se você insistir em realizar a regressão passo a passo, provavelmente é melhor manter o critério de uma probabilidade de 0,05 [...]”. Logo, por meio desse critério estatístico, verificou-se que os 5 previsores (Fator 1, Fator 2, Fator 3, Fator 4 e Fator 5) conseguiram ser comprovados no modelo, ou seja, os 5 fatores significativos passaram a ingressar no modelo, como aponta a tabela 20.
Tabela 20 – Variáveis independentes formadas pelos 5 fatores que introduziram no modelo de regressão linear múltiplo
Variables Entered/Removeda
Model Variables Entered Variables
Removed
Method
1 Fator 2 - Disciplinas
específicas de matemática - Escala [0; 10]
. Stepwise (Criteria: Probability-of- F-to-enter <= ,050, Probability-of- F-to-remove >= ,100).
2 Fator 5 - Orientação e mediação do professor de estágio - Escala [0; 10]
. Stepwise (Criteria: Probability-of- F-to-enter <= ,050, Probability-of- F-to-remove >= ,100).
3 Fator 3 - Teoria e prática das disciplinas pedagógicas cursadas - Escala [0; 10]
. Stepwise (Criteria: Probability-of- F-to-enter <= ,050, Probability-of- F-to-remove >= ,100).
4 Fator 1 - A teoria como propósito de conceituar, administrar e significar a
. Stepwise (Criteria: Probability-of- F-to-enter <= ,050, Probability-of- F-to-remove >= ,100).
Modelo de regressão linear múltiplo
Nota total dos 17 itens
Variável dependente Variáveis independentes
Nota fator 1, Nota fator 2, Nota fator 3, Nota fator 4 e Nota fator 5
atuação no cotidiano escolar - Escala [0; 10]
5 Fator 4 - Vivência prévia da experiência profissional - Escala [0; 10]
. Stepwise (Criteria: Probability-of- F-to-enter <= ,050, Probability-of- F-to-remove >= ,100).
a. Dependent Variable: Nota total dos 17 itens [0; 10] Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Por outro lado, avaliou-se como satisfatória todas as 8 condições gerais que estruturam a regressão linear múltipla, isto é, não houve nenhum pressuposto de violação. Desse modo, no que diz respeito à primeira condição, que faz alusão à amostra, observou-se que a mesma está adequada, pois o número de licenciandos/estagiários é superior a 10 vezes o número de previsores (Fator 1, Fator 2, Fator 3, Fator 4 e Fator 5) que ingressaram na previsão do modelo (FIELD, 2009). No que concerne à segunda condição, que faz menção ao tipo de método, selecionou-se o Stepwise (Por etapa ou Passo a Passo).
Com relação a terceira e a quarta condição, que fazem referência à existência de linearidade e homocedasticidade, respectivamente, nota-se que ambas foram satisfeitas, pois o gráfico ZPRED versus ZRESID apresenta um padrão de pontos dispersos aleatórios sobre o seu quadrante (FIELD, 2009; HAIR et al., 2005), como retrata o gráfico 3 abaixo.
Gráfico 3 – Hipóteses de linearidade e homocedasticidade satisfeitas para os 5 fatores significativos
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
No que se refere à quinta condição, destaca-se que à hipótese de ausência de multicolinearidade foi confirmada, pois os valores da coluna VIF estão todos abaixo de 10 e os valores da coluna das tolerâncias estão todos acima de 0,1 para cada uma das 5 variáveis independentes (FIELD, 2009), conforme mostra a tabela 21 a seguir.
Tabela 21 – Suposição de multicolinearidade satisfeitas para os 5 fatores significativos
Model Collinearity Statistics
Tolerance VIF Fator 2 - Disciplinas específicas de matemática - Escala [0; 10] 0,851 1,176 Fator 5 - Orientação e mediação do professor de estágio - Escala [0; 10] 0,648 1,543 Fator 3 - Teoria e prática das disciplinas pedagógicas cursadas -
Escala [0; 10]
0,779 1,284 Fator 1 - A teoria como propósito de conceituar, administrar e
significar a atuação no cotidiano escolar - Escala [0; 10] 0,731 1,368 Fator 4 - Vivência prévia da experiência profissional - Escala [0; 10] 0,777 1,287 Dependent Variable: Nota total dos 17 itens - Escala [0; 10]
Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
Em relação à sexta condição, referente à estatística dos resíduos serem independentes, percebe-se que a suspeita foi confirmada através do teste de Durbin-Watson que alcançou um valor igual a 1,965, isto é, estando contido no intervalo [1; 3] (FIELD, 2009), como mostra a tabela 22 abaixo. Além disso, nota-se que a explicação (R2) total do modelo 5 apresenta uma composição de crescimento em 100% a medida que cada variável previsora conseguiu ser acrescentada sobre a variável dependente (Nota total dos 17 itens), conforme retrata a tabela 22.
Tabela 22 – Hipótese satisfeitas dos resíduos serem independentes bem como a explicação geral do modelo linear múltiplo para os 5 fatores significativos
Model Summaryf M O D E L R R Square Adjuste d R Square Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square Change F Change df1 df2 Sig. F Cha nge 5 1,000e 1,000 1,000 ,000 ,038 6134434 6483085 87,000 1 160 ,000 1,965
e. Predictors: (Constant), Fator 2 - Disciplinas específicas de matemática - Escala [0; 10], Fator 5 - Orientação e mediação do professor de estágio - Escala [0; 10], Fator 3 - Teoria e prática das disciplinas pedagógicas cursadas - Escala [0; 10], Fator 1 - A teoria como propósito de conceituar, administrar e significar a atuação no cotidiano escolar - Escala [0; 10], Fator 4 - Vivência prévia da experiência profissional - Escala [0; 10]
f. Dependent Variable: Nota total dos 17 itens [0; 10] Fonte: Elaborado pelo pesquisador (2018) a partir do SPSS 20.0
No que concerne à sétima condição, que faz uma menção a ausência dos valores atípicos (outliers), verifica-se que não houve violação, isto é, impactos negativos que